Scout 深度调研：Outcrawl 开源的浏览器 Agent，凭什么值得单独看

Scout 深度调研：Outcrawl 开源的浏览器 Agent，凭什么值得单独看

Scout 把 LLM 拆成四个岗位——这是 browser-use 也没按角色切的一种做法。Playwright 是执行层不接 LLM，不在同一层。

数据截止 2026-10-22，所有数字来自 GitHub API / npm registry / 官方 README 原文，逐条可查。

一、Scout 是什么，不是什么

Scout 是 Outcrawl 开源的浏览器 Agent，Apache-2.0 许可，TypeScript 实现，Node 22+ 运行。它的定位一句话能说完：

你说一句人话，它开一个真浏览器，读页面、点、输入、滚动，直到事情做完；做不完就把已经拿到的结果交回来，并说清楚缺什么。

（README 英文原文：“Tell it the task. It opens a browser and gets it done.”——中文是意译。）它不是又一个 puppeteer 的高阶封装，也不是又一个 browser-use 的 Python 版本。它是 Outcrawl 把自家云端 agent 背后的执行引擎直接开出来的一个"最小内核"——你既能用它接自己的模型跑，也能通过它去理解浏览器 agent 这个物种到底怎么走得通。

要提醒的一个点：仓库描述明确写了"自动镜像"。这意味着主开发不在 GitHub 上，PR 和 issue 走 Outcrawl 内部流程。你提 issue 的路径和普通开源项目不一样——它更像是一个"官方发布"，而不是社区协作。

二、为什么它值得单独看：四个岗位的模型分工

Scout 最不一样的设计，是它不认为"一个模型干所有事"是默认。它的配置里有四个岗位：

README 的原话是：

hands uses a fast model, brain uses a strong reasoning model, cost can be pushed down a lot. The price is more complex configuration.

这个拆法很实用。一个 4 步的短任务只需要 hands，跨页面 20 步的长任务再挂一个 brain，只有页面真的需要看图（验证码、图表、设计稿对比）才配 eyes，最后要结构化输出才配 extract。每一步都省一次贵模型的调用。

代价是配置变复杂——Scout 明确说了：

Scout has no built-in model and no default. You choose a model for each job, on any service that speaks the chat completions API.

没有默认模型、没有默认供应商，baseURL / apiKey / model 都得自己填。这也意味着：本地 Ollama 能接，OpenAI 兼容的国内模型（智谱、DashScope、Kimi）也能接，Anthropic 和 Gemini 的原生 API 不行——它们不是 OpenAI 兼容协议。

2.1 一个岗位的真实配置长这样

const scout = new Scout({
browser: 'outcrawl', // 或者 { launch: {} } 用本机浏览器
models: {
hands: { model: 'your-fast-model', baseURL: urlA, apiKey: *** },
brain: { model: 'your-strong-model', baseURL: urlB, apiKey: *** },
eyes: { model: 'your-vision-model', baseURL: urlA, apiKey: *** },
extract: { model: 'your-local-model', baseURL: localUrl, apiKey: *** },
},
});

四个岗位可以用不同的端点、不同的模型、不同的 key。这是 Scout 最灵活的地方，也是最劝退新手的地方。生产环境不要把 apiKey 硬编码到源码里，用 env 或 SecretRef 注入。

#mermaid-svg-4CeEAv7XfKWSoBD7{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-4CeEAv7XfKWSoBD7 .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-4CeEAv7XfKWSoBD7 .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-4CeEAv7XfKWSoBD7 .error-icon{fill:#552222;}#mermaid-svg-4CeEAv7XfKWSoBD7 .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-4CeEAv7XfKWSoBD7 .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-4CeEAv7XfKWSoBD7 .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-4CeEAv7XfKWSoBD7 .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-4CeEAv7XfKWSoBD7 .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-4CeEAv7XfKWSoBD7 .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-4CeEAv7XfKWSoBD7 .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-4CeEAv7XfKWSoBD7 .marker{fill:#333333;stroke:#333333;}#mermaid-svg-4CeEAv7XfKWSoBD7 .marker.cross{stroke:#333333;}#mermaid-svg-4CeEAv7XfKWSoBD7 svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-4CeEAv7XfKWSoBD7 p{margin:0;}#mermaid-svg-4CeEAv7XfKWSoBD7 .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-4CeEAv7XfKWSoBD7 .cluster-label text{fill:#333;}#mermaid-svg-4CeEAv7XfKWSoBD7 .cluster-label span{color:#333;}#mermaid-svg-4CeEAv7XfKWSoBD7 .cluster-label span p{background-color:transparent;}#mermaid-svg-4CeEAv7XfKWSoBD7 .label text,#mermaid-svg-4CeEAv7XfKWSoBD7 span{fill:#333;color:#333;}#mermaid-svg-4CeEAv7XfKWSoBD7 .node rect,#mermaid-svg-4CeEAv7XfKWSoBD7 .node circle,#mermaid-svg-4CeEAv7XfKWSoBD7 .node ellipse,#mermaid-svg-4CeEAv7XfKWSoBD7 .node polygon,#mermaid-svg-4CeEAv7XfKWSoBD7 .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-4CeEAv7XfKWSoBD7 .rough-node .label text,#mermaid-svg-4CeEAv7XfKWSoBD7 .node .label text,#mermaid-svg-4CeEAv7XfKWSoBD7 .image-shape .label,#mermaid-svg-4CeEAv7XfKWSoBD7 .icon-shape .label{text-anchor:middle;}#mermaid-svg-4CeEAv7XfKWSoBD7 .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-4CeEAv7XfKWSoBD7 .rough-node .label,#mermaid-svg-4CeEAv7XfKWSoBD7 .node .label,#mermaid-svg-4CeEAv7XfKWSoBD7 .image-shape .label,#mermaid-svg-4CeEAv7XfKWSoBD7 .icon-shape .label{text-align:center;}#mermaid-svg-4CeEAv7XfKWSoBD7 .node.clickable{cursor:pointer;}#mermaid-svg-4CeEAv7XfKWSoBD7 .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-4CeEAv7XfKWSoBD7 .arrowheadPath{fill:#333333;}#mermaid-svg-4CeEAv7XfKWSoBD7 .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-4CeEAv7XfKWSoBD7 .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-4CeEAv7XfKWSoBD7 .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-4CeEAv7XfKWSoBD7 .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-4CeEAv7XfKWSoBD7 .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-4CeEAv7XfKWSoBD7 .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-4CeEAv7XfKWSoBD7 .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-4CeEAv7XfKWSoBD7 .cluster text{fill:#333;}#mermaid-svg-4CeEAv7XfKWSoBD7 .cluster span{color:#333;}#mermaid-svg-4CeEAv7XfKWSoBD7 div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-4CeEAv7XfKWSoBD7 .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-4CeEAv7XfKWSoBD7 rect.text{fill:none;stroke-width:0;}#mermaid-svg-4CeEAv7XfKWSoBD7 .icon-shape,#mermaid-svg-4CeEAv7XfKWSoBD7 .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-4CeEAv7XfKWSoBD7 .icon-shape p,#mermaid-svg-4CeEAv7XfKWSoBD7 .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-4CeEAv7XfKWSoBD7 .icon-shape rect,#mermaid-svg-4CeEAv7XfKWSoBD7 .image-shape rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-4CeEAv7XfKWSoBD7 .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-4CeEAv7XfKWSoBD7 .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-4CeEAv7XfKWSoBD7 :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

run task

使用者

Scout 运行时

brain 强模型可选:跨页面规划

hands 快模型必填:每步决策

eyes 视觉模型可选:看图

extract 结构化模型可选:schema 输出

浏览器

结果 + 步骤记录

实线是 hands（必填），虚线是三个可选岗位。短任务只走 hands，长任务才加 brain，看图才加 eyes，结构化输出才加 extract。

三、三方对比：Playwright / browser-use / Scout 到底差在哪

这三个名字经常被混着比，实际上根本不在同一层：

• Playwright 是执行层——你用代码写死路径，它在浏览器上执行。
• browser-use 和 Scout 是决策层——路径由模型每一步现决定。

所以正确的问法不是"Scout 比 Playwright 强吗"，而是"这件事值不值得交给模型现场决策"。

#mermaid-svg-lkWpFffVeff6GZR8{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-lkWpFffVeff6GZR8 .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-lkWpFffVeff6GZR8 .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-lkWpFffVeff6GZR8 .error-icon{fill:#552222;}#mermaid-svg-lkWpFffVeff6GZR8 .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-lkWpFffVeff6GZR8 .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-lkWpFffVeff6GZR8 .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-lkWpFffVeff6GZR8 .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-lkWpFffVeff6GZR8 .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-lkWpFffVeff6GZR8 .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-lkWpFffVeff6GZR8 .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-lkWpFffVeff6GZR8 .marker{fill:#333333;stroke:#333333;}#mermaid-svg-lkWpFffVeff6GZR8 .marker.cross{stroke:#333333;}#mermaid-svg-lkWpFffVeff6GZR8 svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-lkWpFffVeff6GZR8 p{margin:0;}#mermaid-svg-lkWpFffVeff6GZR8 .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-lkWpFffVeff6GZR8 .cluster-label text{fill:#333;}#mermaid-svg-lkWpFffVeff6GZR8 .cluster-label span{color:#333;}#mermaid-svg-lkWpFffVeff6GZR8 .cluster-label span p{background-color:transparent;}#mermaid-svg-lkWpFffVeff6GZR8 .label text,#mermaid-svg-lkWpFffVeff6GZR8 span{fill:#333;color:#333;}#mermaid-svg-lkWpFffVeff6GZR8 .node rect,#mermaid-svg-lkWpFffVeff6GZR8 .node circle,#mermaid-svg-lkWpFffVeff6GZR8 .node ellipse,#mermaid-svg-lkWpFffVeff6GZR8 .node polygon,#mermaid-svg-lkWpFffVeff6GZR8 .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-lkWpFffVeff6GZR8 .rough-node .label text,#mermaid-svg-lkWpFffVeff6GZR8 .node .label text,#mermaid-svg-lkWpFffVeff6GZR8 .image-shape .label,#mermaid-svg-lkWpFffVeff6GZR8 .icon-shape .label{text-anchor:middle;}#mermaid-svg-lkWpFffVeff6GZR8 .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-lkWpFffVeff6GZR8 .rough-node .label,#mermaid-svg-lkWpFffVeff6GZR8 .node .label,#mermaid-svg-lkWpFffVeff6GZR8 .image-shape .label,#mermaid-svg-lkWpFffVeff6GZR8 .icon-shape .label{text-align:center;}#mermaid-svg-lkWpFffVeff6GZR8 .node.clickable{cursor:pointer;}#mermaid-svg-lkWpFffVeff6GZR8 .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-lkWpFffVeff6GZR8 .arrowheadPath{fill:#333333;}#mermaid-svg-lkWpFffVeff6GZR8 .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-lkWpFffVeff6GZR8 .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-lkWpFffVeff6GZR8 .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-lkWpFffVeff6GZR8 .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-lkWpFffVeff6GZR8 .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-lkWpFffVeff6GZR8 .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-lkWpFffVeff6GZR8 .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-lkWpFffVeff6GZR8 .cluster text{fill:#333;}#mermaid-svg-lkWpFffVeff6GZR8 .cluster span{color:#333;}#mermaid-svg-lkWpFffVeff6GZR8 div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-lkWpFffVeff6GZR8 .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-lkWpFffVeff6GZR8 rect.text{fill:none;stroke-width:0;}#mermaid-svg-lkWpFffVeff6GZR8 .icon-shape,#mermaid-svg-lkWpFffVeff6GZR8 .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-lkWpFffVeff6GZR8 .icon-shape p,#mermaid-svg-lkWpFffVeff6GZR8 .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-lkWpFffVeff6GZR8 .icon-shape rect,#mermaid-svg-lkWpFffVeff6GZR8 .image-shape rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-lkWpFffVeff6GZR8 .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-lkWpFffVeff6GZR8 .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-lkWpFffVeff6GZR8 :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

执行层:动作由谁执行

决策层:路径由谁决定

调 Playwright API

调 Playwright API

browser-usePython 生态单模型/多模型

ScoutTypeScript/Node 22+四岗位独立模型

PlaywrightChromium/Firefox/WebKit确定性可进 CI

3.1 同层对比：Scout vs browser-use

注：browser-use 相关行来自其公开文档，本次仅对 Scout 部分做了逐条 API/registry 核实；引用前请再核一次。

3.2 分层说明：Playwright 不该和 Scout/browser-use 并列

Playwright 是执行层，Scout 和 browser-use 是决策层。硬把三方塞进一张表会出现"Playwright 结构化输出：无原生"这类错层对比——Playwright 是浏览器自动化库，不是 LLM 框架，谈结构化输出本身就是维度过界。

这里单独列 Playwright 关键信息：

3.3 Scout 在三个维度上比 browser-use 领先

3.4 browser-use 在两个维度上明显领先 Scout

3.5 中间态：Playwright MCP

还有一个常被忽略的选项：微软官方维护了一个伴侣包 @playwright/mcp（独立 npm 包，不是 Playwright 库本体），让模型调用"打开页面"“点这个元素”"读这块文本"这类确定性工具。路径由 LLM 选，动作由 Playwright 执行。

相比纯 Agent，动作空间被收敛、幻觉面小；相比纯脚本，入口变化时能自适应。注意 MCP 模式下决策层仍是 LLM，不保证整条链路稳定。

如果你已经在用 Playwright 做自动化测试，Playwright MCP 是自然延伸，不必换到 Scout 或 browser-use。

四、92.5% 这个基准数字：可信吗

Scout 官方给的基准是：在 Browser Use 的 80 站点 benchmark 上跑到 92.5%，第二名 81.4%。这是 README 里的原文，来自 2026 年 10 月 7 日的三次完整测试。

这个数字要怎么看：

• 供应商自报——用的是 Outcrawl 自己的评分代码，没有第三方复核。
• 对照对象未标明——README 只写"第二名"，没说是哪个模型或哪个 agent 组合。
• 相对位置有参考价值——第二名 81.4%，Scout 领先 11 个百分点，不是 0.1% 的差异。
• 不能当成通用结论——每个站点结构不同，Scout 可能在自家擅长的类型上强、在别的类型上弱。

建议：想拿它替换现有爬虫之前，先拿自己的目标站点跑一轮。别拿别人的分数做决策。

五、Scout 独有的机制：值得单独看的三个设计

5.1 caps 硬边界

const result = await scout.run(task, {
caps: { steps: 15, duration: '8m', budget: '0.50' }, // budget 需 models.rates
});

• steps：步数上限（默认 40，README 原文）
• duration：时长上限（默认 ‘10m’，README 原文）
• budget：模型花费上限（美元，需要配 models.rates）

达到 caps 是正常结束，不是错误。结果里已经拿到的部分会正常返回，附带一句"缺什么"。

注意：caps 只是成本和时长护栏，不是安全护栏。它不阻止 agent 执行不该做的动作，也不做合规审查。

5.2 schema + extract 专岗

const result = await scout.run(task, {
schema: {
type: 'object',
properties: {
books: {
type: 'array',
items: {
type: 'object',
properties: {
title: { type: 'string' },
price: { type: 'number' },
stars: { type: 'integer', minimum: 1, maximum: 5 },
},
required: ['title', 'price', 'stars'],
},
},
},
required: ['books'],
},
});

Scout 的 hands 岗位默认会用工具调用（tool_choice）拿结构化结果，如果模型不认这个模式可以降级到 structuredOutput: 'json_object' 或 'strict'。这不是简单的 prompt 里说一句"返回 JSON"——是真走 tool calling 协议。

5.3 onStep 逐步回放

const result = await scout.run(task, {
onStep: (step) => {
console.log(`step ${step.index}: ${step.action.description}`);
},
});

每一步都能拿到动作描述，本地就能做调试和可观测性。云端版本还能生成完整回放 URL，看整个运行过程的每一步操作。

六、什么时候必须回到 Playwright

Agent 不是升级版自动化。下面这些场景，用 Playwright 更对：

反过来，下面这些用 agent 更省事：

• 一次性调研（跨多个站点汇总）
• 没有 API 的老系统
• 页面经常改版导致选择器天天坏
• 需要"看着页面判断"的活（不是简单 DOM 查询，是理解内容）

七、Scout 的三个短板

写在前面比藏在后面好：

7.1 版本太新

• 0.1.x，npm 上刚发到 0.1.1
• 主开发在 Outcrawl 内部，GitHub 仓库是自动镜像
• 接口还会变，提 issue 的路径和普通开源项目不一样

观察 3 个月，看看是否有 0.3+/0.5 稳定版，再评估生产接入。

7.2 开箱不能跑

没有默认模型、没有默认供应商，baseURL / apiKey / model 全要自己填。想十分钟跑通 demo，browser-use 更顺。

7.3 闭源部分藏得深

Scout 本体是 Apache-2.0，但住宅代理、验证码解决、云端回放、托管 MCP 全在 Outcrawl 商业云，开源自托管跑不出来。这是"开源 ≠ 自由"的典型例子：协议层开放了，但真正好用的能力在商业云。

本机模式免费，但住宅代理、验证码、回放都在云端，按 1 credit/分钟 + 代理流量计费。每月 1000 免费 credits 只够试水，做长期自动化得另算预算。

八、安全与法律边界

这一节不能省。 浏览器 Agent 是高危工具，CSDN 读者群里有企业用户，实操前必须先知道三条边界。

8.1 反爬与法律边界

Scout 云版带"住宅代理"，本质是绕过 IP 反爬。相关法规（举例，不穷举）：

• 美国：CFAA（Computer Fraud and Abuse Act）——未授权访问计算机系统的刑事责任
• 欧盟：GDPR——个人数据处理合规（数据保护法规，非反爬专项法）
• 中国：《反不正当竞争法》《数据安全法》《个人信息保护法》《网络安全法》《互联网信息服务管理办法》

这几部法规都对"绕过反爬"存在模糊地带，尤其在跨国访问场景下。通用建议：只在你有权访问的站点跑 agent；遵守 robots.txt；不要在未获授权的情况下抓敏感数据；商用前请让法务过一遍。国内用户在国内跑跨国站点，风险自负。

8.2 数据外泄面

即使本机模式，只要调了云端模型 API（智谱、OpenAI、DashScope 等），页面上的账号、密码、Cookie 都可能进入第三方模型上下文。企业场景必须：

• 只用脱敏过的账号跑调试
• 敏感系统（银行后台、客户数据）不接任何第三方模型
• 需要完全本地时用 Ollama 起本地模型

8.3 caps 不是安全护栏

caps.steps / caps.budget 只防成本失控，不防 agent 点了不该点的按钮、不防敏感数据被外传。真正要防风险，得靠任务本身的边界设计，不是靠 caps。

九、给你的三条实操建议

建议 1：把 Playwright 当底座，别当对手

Scout 本机模式就是启动 Chromium，也能接已有的 CDP 浏览器。真实项目里常见的组合是：

Agent 负责探索和生成路径，稳定下来的部分固化成 Playwright 脚本进 CI。

建议 2：先本机跑，别急着上云

本机模式不经过 Outcrawl，不计费，配一个便宜模型就能试。云端贵在住宅代理、验证码和回放，等你确实被反爬卡住、或者需要复盘时再切。

建议 3：按任务长度分模型

• 三五步能完事的，只配 hands。
• 跨页面、要多步规划的，再加 brain。
• 需要读图（验证码、图表、设计稿对比）才配 eyes。
• 全都上最强模型，账单会比你想的难看。

十、结论

Scout 填的是"多模型分工 + 硬边界 + 逐步回放"这个组合的空白——Playwright 是执行层不讨论，browser-use 决策层但没按角色切模型。

不适合立即接入生产：0.1.x、无默认供应商、闭源部分藏得深。等 0.3+ 稳定版。

适合：动态站点、跨站点调研、跑挂要能定位的活。不适合：高频稳定路径、审计场景、CI 回归。

资料源

• Scout 仓库：https://github.com/outcrawlai/scout
• Scout 文档：https://outcrawl.ai/docs/scout
• browser-use：https://github.com/browser-use/browser-use
• Playwright MCP：https://playwright.dev/docs/mcp
• 数据截至 2026-10-22，逐条可查：GitHub API /repos/outcrawlai/scout、npm registry @outcrawl/scout、README 原文